新能源预测算法工程师（实习生）(J46406)

第一，新能源出力预测模型研发。负责风电、光伏设备的功率预测模型开发工作，完成短期、超短期、中长期多时间尺度的预测模型构建。融合气象数据、历史运行数据、设备状态数据等多源信息，持续优化预测精度，支撑电网调度决策。需要跟踪国家能源局"两个细则"考核要求，确保预测指标满足行业标准。 第二，微电网经济调度优化。设计微电网能量管理系统（EMS）优化算法，实现源-网-荷-储协同调度策略。负责优化运行成本、提升能源利用效率、降低碳排放等目标的数学建模和求解。熟悉Pyomo、Gurobi、CPLEX等优化工具，能够处理大规模优化问题。 第三，虚拟电厂交易支持。开发电力市场电价预测模型，支持虚拟电厂参与电力市场交易决策。分析现货市场、辅助服务市场等交易规则，设计交易策略，最大化收益。需要熟悉各省市电力交易中心的交易机制和结算规则。 第四，数据挖掘与分析。负责新能源场站运行数据的挖掘分析，识别设备异常、性能劣化等问题，为运维决策提供数据支持。构建数据质量评估体系，确保输入数据的准确性和完整性。 第五，技术支持与文档编写。为场站提供技术支持，解决预测系统在测试、使用中反馈的各种问题。撰写技术方案、算法文档、测试报告和用户手册，建立完整的技术文档体系。

学历专业方面，要求在读硕士研究生，电气工程、电力系统及其自动化、自动化、计算机、人工智能、能源动力、气象学、数学、统计学等相关专业。跨专业但有相关技术积累者欢迎申请。 实习时间方面，能保证12个月及以上稳定实习，每周出勤不少于4天。新能源项目周期较长，需要持续投入才能保证项目效果。 编程能力方面，熟练掌握Python编程语言，熟悉NumPy、Pandas、Scikit-learn等数据科学库。熟悉Linux开发环境，能够进行服务器部署和脚本编写。 算法基础方面，熟悉时间序列预测方法，掌握ARIMA、Prophet等传统模型，深入理解LSTM、GRU、Transformer、TCN等深度学习模型。了解集成学习、迁移学习等进阶技术者优先。 项目经验方面，需要有新能源、电力系统、优化调度、能源管理等相关项目研发经验。课程项目、科研课题、竞赛或实习经历均可，需在简历中详细描述技术方案和成果。 基础知识方面，了解电力系统运行原理，熟悉光伏、风电的发电特性和影响因素。了解电网调度基本流程，熟悉新能源并网技术要求者优先。 加分项 熟悉LSTM、GRU、Transformer、Informer、Autoformer等时序预测模型，有实际应用经验者优先。 有电力系统分析、优化调度、潮流计算等相关课程或项目经验者加分。 了解电力市场交易规则和政策，熟悉现货市场、辅助服务市场、绿电交易等机制者优先。 熟悉Pyomo、Gurobi、CPLEX、SCIP等优化工具，有混合整数规划、随机优化等求解经验者优先。 有虚拟电厂、微电网、储能系统、需求响应等相关研究或项目经历者优先。 在IEEE Transactions on Power Systems、Applied Energy、Renewable Energy等期刊有论文发表者优先。 熟悉气象数据处理，有数值天气预报（NWP）数据使用经验者优先。 了解"两个细则"考核要求，有功率预测系统开发或运营经验者优先。